(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210800045.1 (22)申请日 2022.07.08 (71)申请人 中南大学 地址 410083 湖南省长 沙市岳麓区麓山 南 路932号 (72)发明人 张凌燕　曾煜棋　 (74)专利代理 机构 长沙正奇专利事务所有限责 任公司 431 13 专利代理师 王娟 (51)Int.Cl. G06V 40/10(2022.01) G06T 7/246(2017.01) G06V 10/762(2022.01) G01S 17/86(2020.01) (54)发明名称 基于2D激光雷达及惯性感测数据 的人物辨 识方法及设备 (57)摘要 本发明公开了一种基于2D激光雷达及惯性 感测数据的人物辨识方法及设备， 利用2D激光雷 达实时获取周围环境的点 云数据； 通过对2D点云 数据进行背景移除、 聚类和曲线拟合得到人物点 阵， 并定位到人物坐标； 利用人物所佩戴的穿戴 式装置获取人物的身份信息和惯 性感测数据； 从 点云数据和惯性感测数据中分别提取出人的行 为特征序列； 对两组行为特征序列进行归一化， 并基于两组行为特征序列的相似度进行短期配 对； 利用历史信息纠正短期配对偏差， 得到稳定 的长期配对和人物辨识结果。 本发明结合了2D激 光雷达在局部定位和穿戴式装置在移动感知上 的优势， 实现了无光源、 无影像、 隐私保护等多种 场景下的人物辨识。 权利要求书4页 说明书10页 附图1页 CN 115273144 A 2022.11.01 CN 115273144 A 1.一种基于2D激光雷达及惯性感测数据的人物辨识方法， 其特 征在于， 包括以下步骤： S1、 利用2D激光雷达实时获取环境的2D点云数据； 获取人物的身份信息和惯性感测数 据； S2、 对2D点云数据进行 预处理； S3、 从预处 理后的2D点云数据和惯性感测数据中分别提取 出人的行为特 征序列； S4、 对S3获取的两组行为特征序列分别进行归一化， 并基于两组行为特征序列的相似 度， 进行短期配对； S5、 利用历史信息纠正短期配对偏差， 得到稳定的长期配对结果和人物辨识结果。 2.根据权利要求1所述的基于2D激光雷达及惯性感测数据的人物辨识方法， 其特征在 于， 步骤S2的具体实现过程包括： 2.1， 删除2D点云数据中的静态背景 数据； 2.2， 对2.1处 理后的2D点云数据进行聚类， 识别出第t帧时刻的所有人物点 集； 2.3， 对每 个人物点 集进行曲线拟合， 删除不符合人体形状的点 集； 2.4， 对经2.3处理后的人物点集， 将连续帧中属于同一人的点集连接在一起， 得到预处 理后的2D点云数据。 3.根据权利要求2所述的基于2D激光雷达及惯性感测数据的人物辨识方法， 其特征在 于， 步骤2.2的具体实现过程包括： 选定扫描点Pi(xi,yi)为集群中心， 设定集群区域半径Tc， 遍历每个扫描点， 当扫描点Pj 的坐标(xj,yj)在集群区域之内时， 即 将该扫描点Pj加入点集 当扫描点Pj的坐标(xj,yj)在集群区域之外时， 将该扫 描点Pj加入候选点集， 直至遍历完 全部的扫描点； Tc为设定的边界阈值； 在候选点集中选择一个扫描点作为下一个新点集的集群中心， 依次判断候选点集中剩 下的扫描点是否在新 点集的集群区域内； 直至所有扫描点被划分到点 集中， 得到第t帧时刻所有人物点 集的集合Ct； 其中， 2D激光雷达被安装为x轴向东， y轴向北， z轴向上 的直角坐标系， xi和yi分别表示 扫描点在x方向和y方向平 移的距离 。 4.根据权利要求2所述的基于2D激光雷达及惯性感测数据的人物辨识方法， 其特征在 于， 步骤2.3的具体实现过程包括： 利用2D激光雷达扫描人体上半身， 得到一个人体点集集 合， 统计得到人体点集长度的范围[Lmin,Lmax]， Lmin为最小的人体点集长度， Lmax为最大的人 体点集长度； 针对集合Ct中的第i个人物点集 若 的点集长度处于[Lmin,Lmax]范围中， 则 被认为是一个人体， 选取点集 中心点作为人体的质心， 该质心 坐标代表人体位置， 记 为 否则将 从Ct中删除。 5.根据权利要求2所述的基于2D激光雷达及惯性感测数据的人物辨识方法， 其特征在 于， 步骤2.4的具体实现过程包括： 已知第t‑1帧和第t帧时的点集集合Ct‑1和Ct， 对于Ct‑1中的点集 已知该点集在t ‑1 帧内的轨迹 使用卡尔曼滤波器预测点集 在下一帧的位置， 即预测点集 在权　利　要　求　书 1/4 页 2 CN 115273144 A 2t帧时的质心， 记为 对Ct‑1和Ct中的全部点集进行两两配对， 基于 和 的欧氏距离构建成本矩阵； 基于成本矩阵， 利用匈牙利 算法计算Ct‑1和 Ct中点集之间的相关性； 如果 与 相关性最大， 则将 加入轨迹， 得到第t帧 时点集 的轨迹 其中， 第t帧时点集 的轨迹 即预处理后的2D点云 数据。 6.根据权利要求1所述的基于2D激光雷达及惯性感测数据的人物辨识方法， 其特征在 于， 步骤S3的具体实现过程包括： 从预处理后的2D点云数据中获取人物的最近轨迹， 提取人的第一行为特征序列， 其中 第一行为特征序列包括： 移动特征、 朝向特征、 加速度特征、 转向特征； 其中， 最近轨迹 获取过程包括： 设 为第t帧时点集 的轨迹集合， 若 中点集数量不 少于m个， 则选取轨 迹最近的m个点 集组成序列 否则， 将轨 迹中全部点 集组成序 列 并填充坐标为空的空点 集， 直至 中点集数量为m； 从可穿戴装置 中获得人物的惯性感测数据， 从惯性感测数据中提取人的第 二行为特征 序列， 其中第二行为特 征序列包括： 移动特 征、 朝向特 征、 加速度特 征、 转向特 征。 7.根据权利要求6所述的基于2D激光雷达及惯性感测数据的人物辨识方法， 其特征在 于， 所述第一行为特 征序列中： 移动特征和朝向特征获取过程包括： 以第t ‑1时的点集 的位置为中间点， 设置一个 正方形区域， 该正方形区域由9个边长为Ts的正方形构成， 以居中位置的正方形的中心为起 点， 以该起点朝向其余8个正方形的中点方向为朝向， 为每个正方形赋值； 判断预处理后的 2D点云数据中的点集 所处的正方形， 将该点集的移动特征和朝向特征设置为对应的正方 形的相应数值； 转向特征获取过程包括： 设 为第t帧时点集 的移动向量 与第t‑1帧时点集 的移 动向量 的夹角， 即 则第t帧时点集 的转向特征值为点集 到第t帧时所 有相邻移动向量的夹角变化累计值， 即 其中 所述第二行为特 征序列中： 移动特征确定过程包括： 获取可穿戴式装置 中加速度计、 陀螺仪和磁强计的数据， 分 别记为 若不符合峰值检测标准， 则 设为0， 表示人物处于停止 状态； 否则， 使用陀螺仪 和磁强计 计算四元数， 计算 的方位角， 用m个方位角 的平均方位角作为t时刻的方位角值， 并根据所述正方形区域， 将移动方向 设为1至8 中的数值； 其中， 峰值检测标准 为： SW表示所设定的滑动窗口大小；权　利　要　求　书 2/4 页 3 CN 115273144 A 3